论文部分内容阅读
目的
研究基于不同感受野的鼻咽癌靶区和危及器官自动分割网络。
方法收集100例鼻咽癌患者放疗数据，包含患者CT图像和医生勾画的靶区(GTV)和危及器官。随机选取90例数据作为训练集，另10例作为验证集。首先对图像进行中心裁剪、随机垂直翻转和旋转(-30°～30°)数据增强方式，输入至本文提出的MA_net网络进行训练，通过网络参数、浮点运算数、运行内存和Dice系数评估该网络性能；最后将其与当前主流的分割网络DeeplabV3+、PSP_net、UNet++、U_Net比较。
结果当输入图像为240×240时，MA_net网络参数分别为4个网络的23.20%、20.10%、25.55%和27.11%；其浮点运算数分别为4个网络的50.02%、19.86%、6.37%和13.44%；其运行内存分别为4个网络的40.63%、23.60%、11.58%和14.99%；GTV的分割结果显示MA_net的Dice系数比4个网络分别高出1.16%、2.28%、1.27%和3.59%；GTV与危及器官的分割结果显示MA_net的平均Dice系数比4个网络分别高出0.16%、1.37%、0.30%和0.97%。
结论相比于上述4个网络，MA_net参数少、运算浮点数低、运行内存小且Dice系数有所提升。